Learning graphons from data: Random walks, transfer operators, and spectral clustering
Heriot–Watt University（赫瑞-瓦特大学）；Concordia University（康考迪亚大学）
本文通过随机游走和转移算子将信号的随机过程与图ons联系起来，利用其特征值和特征函数进行谱聚类扩展，并展示如何从信号数据中重建转移概率密度和图ons。
2026-04-08 stat.ML
Hypergraph Random Walks, Laplacians, and Clustering
Georgia Institute of Technology（佐治亚理工学院）；Pacific Northwest National Laboratory（太平洋西北国家实验室）；Chungnam National University（忠南国立大学）
我们提出了一个灵活的框架聚类超图结构的数据的基础上最近提出的随机游走利用边依赖的顶点权重。当结合边相关顶点权重（EDVW）时，权重与每个顶点-超边对相关联，从而产生超图的加权关联矩阵。这样的权重已被用于文本数据集的术语文档表示中。我们解释了如何随机游走EDVW服务于构建不同的超图拉普拉斯矩阵，然后开发一套聚类方法，使用这些关联矩阵和拉普拉斯超图聚类。使用几个数据集从现实生活中的应用，我们比较这些聚类算法的性能实验对各种现有的超图聚类方法。我们表明，所提出的方法产生更高质量的集群，并通过强调未来工作的途径得出结论。
2020-10-27 cs.LG stat.ML
Optimal Transport vs. Fisher-Rao distance between Copulas for Clustering Multivariate Time Series
本文提出了一种对N个由多变量时间序列，即多个实值随机变量序列描述的对象进行聚类的方法。这种聚类方法利用Copula，Copula是对几个随机变量之间的依赖结构进行编码的分布。为了在聚类时充分考虑依赖信息，我们需要在copula之间设置距离。在这项工作中，我们比较著名的分布之间的距离：费舍尔-饶测地距离，相关的分歧和最佳运输，并讨论其优点和缺点。这种方法的应用可以在金融资产的分类中找到。可重复研究的教程、实验和实现可以在www.datagrapple.com/Tech上找到。
2016-11-14 stat.ML
Random Models for Fuzzy Clustering Similarity Measures
University of British Columbia – Okanagan Campus（不列颠哥伦比亚大学奥肯那根校区）
针对调整兰德指数（ARI）在模糊聚类中随机模型假设难证明的问题，提出含三种直观可解释随机模型的单一框架，降低计算复杂度，经实验验证模型选择对结果可靠性很重要。
2023-12-16 cs.LG stat.ML
Density-based Clustering with Best-scored Random Forest
Renmin University of China（中国人民大学）
基于单水平密度的聚类方法一直被广泛认为是一种概念上和数学上令人信服的聚类方法。在本文中，我们提出了一种算法称为“最佳得分聚类森林”，可以获得最佳水平，并确定相应的集群。术语“最佳得分”意味着从一定数量的纯随机树候选中选择一个具有最佳经验性能的随机树。从理论的角度来看，我们首先表明，我们提出的算法的一致性可以得到保证。此外，在对底层密度函数和目标聚类的某些温和限制下，甚至可以实现快速收敛。最后，与其他国家的最先进的聚类方法在数值实验中的比较表明，我们的算法的准确性在合成数据和几个基准的真实数据集。
2019-06-24 cs.LG stat.ML
Clustering small datasets in high-dimension by random projection
Purdue University（普渡大学）
高维数据集通常不会在其原始空间中形成聚类;当数据集中的点数量很小时，问题会更糟。我们提出了一个低计算的方法，在一个小的数据集找到统计上显着的聚类结构。该方法通过将数据投影到随机线上并在所得到的一维数据中寻求二进制聚类来进行。非线性分离是通过使用原始特征中的较高次数的单项式来扩展特征空间而获得的。得到的聚类结构的统计有效性进行了测试，在投影的一维空间，从而绕过了高维的统计验证的挑战。在随机线上投影是一种极端的降维技术，以前已成功地用作高维数据的分层聚类方法的一部分。我们的实验表明，使用这个简化的框架，可以找到统计上显著的聚类结构，只有100-200个点，具体取决于数据集。随着更多的点被添加到数据集中，发现未被发现的不同结构会持续存在。
2020-08-21 cs.LG stat.ML
On the clustering of correlated random variables
Warsaw School of Computer Science（华沙计算机学院）
在这项工作中，聚类相关的随机变量的可能性进行了检查，因为它们的相互相似性，因为它们的相似性的主成分。聚类采用k-means算法和谱算法。对于光谱方法，相似性矩阵既是建立在相关水平上的关系矩阵，也是决定系数矩阵。针对4组不同的数据，分析了不同的变量差异性度量方法，并分析了初始点的差异性对k-means算法效率的影响。
2019-09-07 cs.LG stat.ML
Spectral clustering under degree heterogeneity: a case for the random walk Laplacian
本文表明，使用随机游动拉普拉斯算子的图谱嵌入产生的向量表示是完全正确的节点度。在一个广义随机点积图，嵌入提供一致的相合估计的度校正的潜在位置，渐近高斯误差。在度校正随机块模型的特殊情况下，嵌入集中在K个不同的点上，代表社区。这些可以通过随后的聚类步骤完美地、渐进地恢复，而不需要球面投影，如基于邻接或归一化对称拉普拉斯矩阵的算法通常所要求的。虽然被估量不依赖于度，但其估计的渐近方差确实--度较高的节点比度较低的节点嵌入得更准确。因此，我们的中心极限定理建议拟合加权高斯混合模型作为后续的聚类步骤，为此，我们提供了一个期望最大化算法。
2021-05-04 stat.ME stat.ML
Faster Clustering via Non-Backtracking Random Walks
Tufts University（塔夫茨大学）
本文提出了VEC-NBT，无监督图聚类技术VEC的变化，它提高了原算法的性能显着稀疏图。VEC采用最先进的word 2 vec模型的一种新的应用，通过图的节点上的随机游动将图嵌入到欧几里得空间中。在VEC-NBT中，我们修改了原来的算法，使用非回溯随机游动，而不是在VEC中使用的正常回溯随机游动。我们引入一个修改的非回溯随机游走，我们称之为勉强回溯随机游走，并表明经验，使用这种模型的随机游动的VEC-NBT需要更短的步行图上获得的结果具有可比性或更高的精度比VEC，特别是稀疏图。
2017-08-26 cs.LG cs.SI stat.ML
Scalable Spectral Clustering Using Random Binning Features
IBM Research AI（IBM研究院人工智能部门）；Carnegie Mellon University（卡内基梅隆大学）；College of William and Mary（威廉与玛丽学院）；Huawei Research（华为研究院）
谱聚类是最有效的聚类方法之一，它可以捕捉数据中隐藏的聚类结构。然而，它不能很好地扩展到大规模的问题，由于其在构建相似图和计算随后的特征分解的二次复杂性。虽然已经提出了一些方法来加速谱聚类，其中大多数妥协相当大的信息损失的原始数据，以减少计算瓶颈。在本文中，我们提出了一种新的可扩展的谱聚类方法，使用随机装箱功能（RB），同时加快相似图的建设和特征分解。具体来说，我们隐式地近似的图形相似性（内核）矩阵的内积由RB生成的大型稀疏特征矩阵。然后，我们引入了一个国家的最先进的SVD求解器，有效地计算这个大矩阵的谱聚类的特征向量。使用这两个构建块，我们将计算成本从数据点数量的二次降低到线性，同时实现类似的精度。我们的理论分析表明，通过RB的谱聚类比标准的随机特征近似更快地收敛到精确的谱聚类。在8个基准测试上的实验表明，该方法在准确性和运行时间上都优于或匹配最先进的方法。此外，我们的方法在数据样本的数量和RB特征的数量方面都具有线性可扩展性。
2019-11-25 cs.LG stat.ML
Determinantal consensus clustering
Université de Montréal（蒙特利尔大学）
给定算法的随机重新启动产生许多分区以产生共识聚类。诸如一致性聚类的包围方法已经被认为是比单一聚类算法更鲁棒的数据聚类方法。我们建议使用的决定性点过程或DPP的随机重新启动的聚类算法的基础上的初始集的中心点，如k-中心点或k-均值。DPP和基于核的方法之间的关系使得DPP适合于描述和量化对象之间的相似性。DPP有利于子集内中心点的多样性。因此，具有更多相似点的子集比具有非常不同点的子集生成的机会更少。当前最流行的采样技术是随机均匀地对中心点进行采样。我们通过大量的模拟表明，与DPP相反，这种技术既不能确保多样性，也不能很好地覆盖所有数据方面。DPP的这两个性质是使DPP在小集合的情况下获得良好性能的关键。人工数据集的模拟和真实数据集的应用表明，确定性一致性聚类优于经典算法，如k-medoids和k-means一致性聚类，这是基于均匀随机抽样的中心点。
2021-02-07 cs.LG stat.ML
Randomized spectral co-clustering for large-scale directed networks
Northwest University（西北大学）；Carnegie Mellon University（卡内基梅隆大学）
有向网络广泛用于表示单元之间的非对称关系。联合聚类的目标是同时对有向网络的接收者和接收者进行聚类。特别地，著名的谱聚类算法可以被修改为谱共聚类到共聚类有向网络。然而，大规模网络对它提出了巨大的计算挑战，本文利用草图技术，推导了两种随机谱联合聚类算法，一种是\emph{random-projection-based}，另一种是\emph{random-sampling-based}，用于加速大规模有向网络的联合聚类.我们从理论上分析了两个生成模型下的算法-随机co-block模型和度校正随机co-block模型，并建立其近似错误率和误聚类错误率，表明更好的界限比国家的最先进的结果的共同聚类文献。在数值上，我们设计并进行模拟来支持我们的理论结果，并在具有数百万节点的真实网络上测试算法的效率。一个公开可用的R包\textsf{RandClust}的开发更好的可用性和重现性所提出的方法。
2022-04-09 cs.LG cs.SI stat.ME
Scalable and Robust Sparse Subspace Clustering Using Randomized Clustering and Multilayer Graphs
Amirkabir University of Technology（阿米卡比尔理工大学）；Université de Mons（蒙斯大学）；Faculté Polytechnique（理工学院）
稀疏子空间聚类（SSC）是当前最先进的方法之一，用于将数据点划分为子空间的并集，具有强有力的理论保证。然而，它对于大数据集是不实用的，因为它需要为每个数据点求解LASSO问题，其中每个LASSO问题中的变量的数量是数据点的数量。为了提高SSC的可扩展性，我们建议使用随机分层聚类方法选择几组锚点，并且对于每组锚点，解决每个数据点的LASSO问题，仅允许锚点具有非零权重（这大大减少了变量的数量）。这将生成一个多层图，其中每一层对应于一组不同的锚点。使用正交矩阵的格拉斯曼流形，共享层之间的连接总结在一个单一的子空间。最后，我们使用该子空间内的$k$均值聚类来聚类数据点，类似于SSC中的谱聚类。我们在合成和真实世界的数据集上表明，所提出的方法不仅允许SSC扩展到大规模数据集，而且它也更加鲁棒，因为它在噪声数据和具有接近子空间和离群值的数据上表现得更好，同时它不容易过度分割。
2018-02-23 cs.CV stat.ML
Random Projections and Sampling Algorithms for Clustering of High-Dimensional Polygonal Curves
TU Dortmund University（多特蒙德工业大学）
研究了顶点数有限但无界的高维多边形曲线的$k$ -中值聚类问题。我们解决了计算问题，所产生的高数量的维度定义一个约翰逊-林登施特劳斯投影多边形曲线。我们分析所产生的误差的Fréchet距离，这是一个听话的和自然的曲线相异性的措施。我们的聚类算法通过二次采样实现了对输入曲线数量的次线性依赖。此外，我们表明，Fréchet距离不能近似的任何因素小于$\sqrt{2}$的概率减少曲线的顶点数的依赖性。因此，我们提供了一个快速的，CUDA并行版本的Alt和Godau算法计算的Fréchet距离，并使用它来评估我们的结果经验。
2020-08-24 cs.LG stat.ML
Scalable and Robust Community Detection with Randomized Sketching
University of Central Florida（中佛罗里达大学）
本文探讨和分析了大型部分可观察图的无监督聚类。我们提出了一个可扩展的和可证明的随机框架，从随机块模型生成的聚类图。首先将聚类应用于与使用随机采样构造的简化图草图相关联的图的邻接矩阵的子矩阵。然后，使用基于相关性的检索步骤，基于从草图提取的聚类来推断完整图的聚类。均匀随机节点抽样被证明可以提高整个图的聚类的计算复杂性时，集群大小是平衡的。提出了一种新的基于随机度的节点抽样算法，该算法在聚类不平衡的情况下也能显著提高聚类算法的性能。该框架提高了相变矩阵分解为基础的聚类方面的计算复杂性和最小集群大小，这被证明是几乎无量纲的低集群间连接制度。第三个抽样技术，以提高平衡随机抽样节点的空间分布的基础上。我们提供的分析和数值结果使用凸聚类算法的基础上矩阵完成。
2022-12-04 cs.LG cs.SI stat.ML
Similarity Kernel and Clustering via Random Projection Forests
University of Massachusetts Dartmouth（马萨诸塞大学达特茅斯分校）；Linkedin Inc（领英公司）；Indigo Agriculture Inc（靛蓝农业公司）；DiDi Research America（滴滴美国研究院）
相似性在数据采掘、机器学习、统计学等许多应用领域都起着重要的作用。受集成方法的成功和树的灵活性的启发，我们提出通过随机投影森林（rpForests）学习一个称为rpf-kernel的相似性内核。我们的理论分析揭示了rpf内核的一个非常理想的属性：远（不相似）点具有低相似性值，而近（相似）点具有高相似性，并且相似性具有原生解释，即在rpForests的生长过程中，点保留在相同叶节点中的概率。学习的rpf核导致了一个有效的聚类算法-rpfCluster。在各种各样的真实和基准数据集上，rpfCluster与K-means聚类，谱聚类和最先进的聚类集成算法-Cluster Forests相比毫不逊色。我们的方法是简单的实现和容易适应的几何基础数据。鉴于其理想的理论属性和竞争力的经验性能时，应用于聚类，我们期望rpf核适用于许多问题的无监督性质或作为正则化在一些监督或弱监督设置。
2019-08-28 cs.LG stat.ME stat.ML
MNAR-$k$-means: A $k$-means Clustering for Data Missing Not at Random with Magnitude-Decaying Probability
针对缺失非随机且缺失概率随量级衰减的数据，提出一种基于插补值大小约束的 $k$-means 聚类方法，具有良好数学解释，并证明了估计聚类中心的一致性。
2026-07-01 cs.LG stat.ML
A Constant Approximation Algorithm for Sequential Random-Order No-Substitution k-Median Clustering
Qualcomm Institute, University of California, San Diego（加州大学圣地亚哥分校高通研究所）；Ben Gurion University（本·古里安大学）
我们研究了顺序无替代设置下的k-中位数聚类。在这种设置中，数据流被顺序地观察，并且算法选择一些点作为聚类中心。然而，一个点只能在被观察之后，在观察下一个点之前立即被选择为中心。此外，选定的中心以后不能被替换。我们给出了第一个算法，获得一个恒定的近似因子的最佳风险下的随机到达顺序，指数改进以前的工作。这也是在没有对输入数据进行任何结构假设的情况下保持的第一个常数近似保证。此外，所选中心的数量仅在k中是准线性的。我们的算法和分析是基于一个仔细的风险估计，避免离群值，一个新的概念，一个线性箱划分，和多尺度的方法来选择中心。
2021-06-06 cs.LG stat.ML
Random Normed k-Means: A Paradigm-Shift in Clustering within Probabilistic Metric Spaces
Higher normal school（高等师范学校）；National Higher School for Computer Science and Systems Analysis（国家计算机科学与系统分析高等学院）；Mohammed V University in Rabat（拉巴特穆罕默德五世大学）
本文提出首个在概率度量空间中运行的k-means变体RNKM，用距离分布函数替代传统距离度量，在多种数据集上验证其优于k-means++、fuzzy c-means等方法的聚类性能，尤其擅长识别非线性可分结构。
2025-04-04 cs.LG math.PR stat.ML
Large-scale subspace clustering using sketching and validation
University of Minnesota（明尼苏达大学）；University at Buffalo, State University of New York（纽约州立大学布法罗分校）
如今，大量生成和传输的数据在其处理中提出了重大挑战。虽然能够成功地分类非线性可分离的对象在各种设置，子空间聚类（SC）方法招致过高的计算复杂性时，处理大规模的数据。随机抽样和共识（RANSAC）的方法来强大的回归的启发，本文介绍了一种随机方案SC，称为草图和验证（SkeVa-）SC，为大规模数据量身定制。SkeVa-SC的核心是一个随机化的方案，用于通过核平滑参数来近似观测数据的潜在概率密度函数。数据表示的稀疏性也被利用来减少SC的计算负担，同时实现高聚类精度。性能分析以及广泛的数值测试合成和真实数据证实了潜力的SkeVa-SC和其竞争力的表现相对于国家的最先进的可扩展的SC方法。关键词：子空间聚类，大数据，核平滑，随机化，草图，验证，稀疏性。
2015-10-06 cs.CV cs.LG stat.ML
Robust nonparametric nearest neighbor random process clustering
ETH Zurich（苏黎世联邦理工学院）
我们考虑的问题，聚类噪声有限长度的观察平稳遍历随机过程根据其生成模型，而无需先验知识的模型统计和生成模型的数量。两种算法，都使用的$L^1$估计功率谱密度（PSD）之间的距离作为一种措施的相异性，进行了分析。第一个，称为最近邻过程聚类（NNPC），依赖于分区的最近邻图的观察，通过谱聚类。第二种算法，简称为$k$ -手段（KM），由一个单一的$k$ -手段迭代与最远点初始化，被认为是以前在文献中，虽然与不同的相异性措施。我们证明，这两种算法成功的概率很高，在存在噪声和丢失条目，甚至当生成过程的PSD重叠显着，所有的观察长度是足够大的。我们的研究结果量化了生成过程PSD的重叠，观察长度，丢失条目的分数和噪声方差之间的权衡。最后，我们提供了广泛的数值模拟结果的合成和真实的数据，发现NNPC优于国家的最先进的算法在人体运动序列聚类。
2017-09-28 cs.IT cs.LG math.IT
Small-sample Brain Mapping: Sparse Recovery on Spatially Correlated Designs with Randomization and Clustering
INRIA（法国国家信息与自动化研究所）；NeuroSpin（NeuroSpin神经影像研究中心）；CEA（法国原子能委员会）
功能性神经成像可以测量大脑？人对外界刺激的反应。它被用来执行大脑映射：从这些观察中识别所涉及的大脑区域。这个问题可以被转换成线性监督学习任务，其中神经成像数据被用作刺激的预测器。大脑映射然后被看作是一个支持恢复问题。在功能性MRI（fMRI）数据上，这个问题特别具有挑战性，因为i）由于有限的采集时间，样本的数量很少，以及ii）变量是强相关的。我们建议克服这些困难，通过聚类的原始变量得到的新变量使用稀疏回归模型。使用随机化技术，例如自举样本和变量聚类，可以提高稀疏方法的恢复性能。我们证明了我们的方法在广泛的模拟研究以及两个fMRI数据集的好处。
2012-06-27 cs.CV cs.LG stat.AP
Nonparametric Nearest Neighbor Random Process Clustering
ETH Zurich（苏黎世联邦理工学院）
我们考虑的问题，聚类噪声有限长度的观察平稳遍历随机过程根据其非参数生成模型，没有先验知识的模型统计和生成模型的数量。两种算法，都使用估计功率谱密度（PSD）之间的L1距离作为一种措施的相异性，进行了分析。第一种算法，称为最近邻过程聚类（NNPC），据我们所知，是新的，并依赖于分区的最近邻图的观察，通过谱聚类。第二种算法，简称为k-均值（KM），由一个单一的k-均值迭代与最远点初始化，并被认为是在文献中，虽然有不同的措施相异性和渐近性能的结果。我们表明，NNPC和KM成功的概率高噪声下，即使当生成过程的PSD重叠显着，所有的观察长度是足够大的。我们的研究结果量化了生成过程PSD的重叠，噪声方差和观察长度之间的权衡。最后，我们提出了合成和真实数据的数值性能结果。
2015-04-20 cs.IT cs.LG math.IT
Fast Randomized Semi-Supervised Clustering
Laboratoire de Physique Statistique (CNRS UMR-8550), PSL Universités & École Normale Supérieure（统计物理实验室（CNRS UMR-8550），PSL大学与巴黎高等师范学院）；Sorbonne Universités, UPMC Univ. Paris 06（索邦大学，巴黎第六大学（UPMC））；INRIA（法国国家信息与自动化研究所）；École Normale Supérieure Paris（巴黎高等师范学院）；Institut de Physique Théorique CEA Saclay（法国原子能和替代能源委员会萨克雷理论物理研究所）；CNRS（法国国家科学研究中心）
我们考虑的问题，部分标记的数据从一个最小数量的随机选择的成对比较项目之间的聚类。我们引入了一个有效的本地算法的基础上的非回溯算子的幂迭代，并研究其性能在一个简单的模型。对于两个集群的情况下，我们给出的分类误差的界限，并表明，一个小的错误可以实现从$O(n)$随机选择的测量，其中$n$是数据集中的项目数。因此，我们的算法是有效的时间和空间复杂度方面。我们还调查数值模拟的合成和真实世界的数据上的算法的性能。
2016-10-09 cs.LG math.PR math.ST
$DC^2$: A Divide-and-conquer Algorithm for Large-scale Kernel Learning with Application to Clustering
Shanghai Jiao Tong University（上海交通大学）；Zhejiang University（浙江大学）；University of Massachusetts Dartmouth（马萨诸塞大学达特茅斯分校）；Cornell University（康奈尔大学）
分而治之是处理大规模问题的一般策略。它通常用于生成集成实例，这可能会限制它可以处理的问题大小。此外，数据通常被随机抽样划分，这可能是次优的。为了解决这些问题，我们提出了$DC^2$算法。而不是合奏的情况下，我们产生的结构保持签名件组装和征服。$DC^2$实现了基于采样的大规模内核方法的效率，同时支持并行多核或集群计算。通过递归随机投影将数据划分和后续压缩统一起来。经验划分的数据随机投影诱导较小的均方近似误差比传统的随机抽样。我们的聚类算法$rpfCluster^+$证明了$DC^2$的强大功能，该算法与一些最快的近似谱聚类算法一样准确，同时保持接近K均值聚类的运行时间。对$DC^2$应用于谱聚类的分析表明，由于数据分割和约简而导致的聚类精度损失的上界为数据逼近误差，而数据逼近误差在递归随机投影下将消失.由于其易于实现和灵活性，我们希望$DC^2$适用于一般的大规模学习问题。
2019-11-16 cs.DC cs.LG stat.CO
Pattern Dependence Detection using n-TARP Clustering
Purdue University（普渡大学）
考虑一个实验，涉及的对象可能很少。在每个受试者身上都观察到一些随机变量：一个高维变量称为“观察到的”随机变量，一个一维变量称为“结果”随机变量。我们感兴趣的是观察到的随机变量和结果随机变量之间的依赖关系。我们提出了一种方法来量化和验证的依赖关系的结果随机变量的各种模式中所包含的观察到的随机变量。探索不同程度的关系（线性、二次、三次等）。这项工作的动机是需要分析教育数据，这往往涉及高维数据代表了少数学生。因此，我们的实现是为少量的主题而设计的;然而，它可以很容易地修改以处理非常大的数据集。作为一个例子，所提出的方法是用来研究的某些技能的课程成绩的学生在信号处理类的影响。在数据中观察到等级对不同技能模式的有效依赖性。
2018-06-13 cs.LG stat.ME stat.ML
Functional Principal Component Analysis and Randomized Sparse Clustering Algorithm for Medical Image Analysis
The University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心）；Fudan University（复旦大学）
由于传感器的进步，越来越多的大型和复杂的医学图像数据具有可视化细胞甚至分子水平的病理变化或组织和器官的解剖变化的能力。因此，医学图像有可能提高疾病的诊断，临床结果的预测，疾病进展的表征，医疗保健的管理和治疗的发展，但也提出了很大的方法和计算的挑战表示和选择的图像聚类分析中的功能。为了解决这些问题，我们首先扩展一维功能主成分分析的二维功能主成分分析（2DFPCA），以充分捕捉图像信号的空间变化。图像信号中含有大量的冗余和不相关的特征，这些特征不能为聚类分析提供额外的或有用的信息。广泛使用的方法，以消除冗余和不相关的功能是稀疏聚类算法使用套索类型的惩罚来选择的功能。然而，使用套索型惩罚的聚类的准确性取决于如何选择惩罚参数和用于选择特征的阈值。在实践中，它们很难确定。最近，随机算法在大数据分析中受到了极大的关注。本文提出了一种随机化的图像聚类分析特征选择算法。该方法适用于卵巢癌和肾癌的组织学图像数据从TCGA数据库。实验结果表明，随机特征选择方法与函数主成分分析相结合，在图像聚类分析中的性能明显优于现有的稀疏聚类算法。
2014-08-01 cs.AI cs.CV cs.LG
Hierarchical Clustering With Confidence
University of Michigan（密歇根大学）；University of Southern California（南加州大学）
本文提出一种随机化层次聚类方法，通过在每个聚类节点构造有效p值，用于检验贪婪合并的证据，提高了聚类稳定性评估的可靠性。
2026-03-14 math.ST stat.ME stat.ML
